HALCON学习笔记（五）——图像分割

图像分割：将图像中具有特殊意义的不同区域划分开来，这些区域是不交互的。

一般采用的图像分割方法有阈值分割，边缘检测，区域生长，霍夫变换等。

阈值分割

阈值分割：按图像灰度幅度进行分割的方法，把图像的灰度分成不同的等级，然后用设置灰度阈值的方法确定有意义的区域或要分割物体的边界。

难点：

1. 无法确定图像分割生成区域的数目
2. 阈值的确定（阈值选取过高，容易把大量的目标误判为背景；阈值选取过低，容易把大量的背景误判为目标）

阈值确定方法：

1.实验法

通过人眼的观察，对已知某些特征的图像试验不同的阈值，观察是否满足要求

2.根据直方图谷底确定阈值法

如果图像的前景物体内部和背景区域的灰度值分布都比较均匀，那么这个图形的灰度直方图具有明显的双峰，可以选择两峰之间的谷底对应的灰度值T作为阈值进行分割。

3.迭代选择阈值法

开始选择一个阈值作为初始估计值，按照某种规则不断地更新这一估计值，知道满足给定的条件为止。

4.最小均方误差法

以图像灰度为模式特征，假设各模式的灰度是独立分布的随机变量，并假设图像中待分割的模式服从一定的概率分布。一般来说采用正态分布。

5.最大类间方差法

在使用该方法对图像进行阈值分割的时候，选定的分割阈值应该使前景区域的平均灰度，背景区域的平均灰度与整幅图像的平均灰度之间差别最大，这种差异用方差来表示。

边缘检测

图像边缘是图像的基本特征，边缘上的点是指图像周围像素灰度产生变化的那些像素点，即灰度值导数较大的地方。

边缘检测的基本步骤：

1. 平滑滤波：去除噪声（降低噪声的能力越强，边界强度的损失越大）
2. 锐化滤波：加强了存在灰度局部变化位置的像素点
3. 边缘判定：二值化处理和过零检测等
4. 边缘连接：将间断的边缘连接为有意义的完整边缘，同时去除假边缘

边缘检测方法分类：

• 基于查找的算法：通过寻找图像一阶导数中的最大值和最小值来检测边界，通常是将边界定位在梯度最大的方向，基于一阶导数的边缘检测算法，包括Roberts算子，Sobel算子，Prewitt算子等
• 基于零穿越的算法：通过寻找图像二阶导数零穿越来寻找边界，通常是拉普拉斯过零点或非线性差分表示的过零点，基于二阶导数的边缘检测算法ÿ